一个基于 Llama 3 的开放权重函数调用模型,在函数调用能力上与 GPT-4o 竞争。

工具 70b

19K 7 个月前

自述文件

Firefunction-v2 在函数调用能力上与 GPT-4o 竞争,在混合公共基准测试中得分为 0.81,而 GPT-4o 的得分为 0.80。

Firefunction-v2 针对真实场景进行了优化,包括多轮对话、指令遵循和并行函数调用。它保留了 Llama 3 的多轮指令能力(MT bench 上为 0.84 vs 0.89),同时在函数调用任务中始终优于 Llama 3(Nexus 并行多函数评估中为 0.51 vs 0.30)。

参考资料

博客文章

Hugging Face